【技术实现步骤摘要】
本专利技术涉及工单推荐，尤其涉及一种相似历史工单推荐方法及系统。
技术介绍
1、数据挖掘是网络运营数据价值提升的重要手段之一，对于网络运营监控数据、生产流程数据包含的价值信息挖掘、模式挖掘有着深远的意义。工单系统是电信运营商的网络监控运维的重要手段，工单系统中具有多专业工单信息、流程反馈信息等业务数据，而各工单的故障原因、解决方法繁多，数据运维人员在处理工单过程中，每次都需要对工单故障进行分析处理，工作量巨大，而经过专业人员处理过的历史工单中有很多可以挖掘利用的信息，利用一个新工单从历史工单中挖掘出相似的工单，为网络运维人员提供相似故障的处理意见办法，可以极大的降低运维人员的工作量，使电信运营商加强网络运维自动化、提高网络运维工作效率。所以需要一个可以通过数据挖掘算法进行相似历史工单的推荐方法，快速准确的定位出相似的历史工单的详细信息，包括工单描述、故障类型及原因、处理方法，为网络运维人员提供专业的历史相似历史工单故障处理意见作为参考，通过数据挖掘的方法提升网络运维人员的工作效率，有效支撑电信运营商的工单系统的运行维护工作。
技术实现思路
1、针对现有技术中存在的问题，本专利技术提供一种相似历史工单推荐方法，包括：
2、步骤s1，在接收到新工单时，从历史工单数据库中查找是否存在与所述新工单同类型的同类型历史工单：
3、若是，则转向步骤s2；
4、若否，则退出；
5、步骤s2，基于多个运维人员的对所述新工单的反馈描述进行特征提取得到特征
6、优选的，所述步骤s1中的查找过程包括将所述新工单的故障业务名称和历史工单数据库中保存的每个历史工单的故障业务名称进行比对，判断是否存在故障业务名称一致的所述历史工单：
7、若是，则将故障业务名称一致的所述历史工单作为所述同类型历史工单，随后转向所述步骤s2；
8、若否，则退出。
9、优选的，所述步骤s2包括：
10、步骤s21，将所述新工单派发给多个运维人员，将各所述运维人员反馈的反馈描述整合为与所述新工单关联的工单描述；
11、步骤s22，对所述新工单的工单描述和每个所述同类型历史工单包括的故障描述进行特征提取，分别得到所述新工单的第一向量和各所述同类型历史工单的第二向量；
12、步骤s23，对所述新工单的第一向量和各所述同类型历史工单的第二向量进行向量降维得到所述新工单的所述特征向量和各所述同类型历史工单的所述故障向量；
13、步骤s24，分别计算所述特征向量和各所述故障向量之间的相似度，随后提取出相似度最高的所述故障向量对应的所述同类型历史工单中作为所述相似历史工单推荐给运维人员。
14、优选的，所述步骤s22包括：
15、步骤s221，对所述新工单的工单描述和各所述同类型历史工单的故障描述进行分词，分别得到新工单词库和多个历史工单词库；
16、步骤s222，对于所述新工单词库中的每个词语，分别计算在所述新工单词库中的词频和逆文档频率，将所述词频和所述逆文档频率的乘积作为所述新工单的所述第一向量；
17、步骤s223,对于所述历史工单词库中的每个词语，分别计算在所述历史工单词库中的词频和逆文档频率，将所述词频和所述逆文档频率的乘积作为对应的所述同类型历史工单的所述第二向量。
18、优选的，所述步骤s23中对所述新工单的第一向量的向量降维过程包括：
19、步骤s231，根据所述新工单的第一向量构建第一矩阵，随后将所述第一矩阵转置得到转置第一矩阵，根据所述第一矩阵和所述转置第一矩阵得到方阵和对应的特征值；
20、步骤s232，根据所述特征值处理得到对应的奇异值矩阵、左奇异向量矩阵和右奇异向量矩阵，随后根据所述奇异值矩阵、所述左奇异向量矩阵和所述右奇异向量矩阵得到降维后的第一矩阵，根据降维后的第一矩阵处理得到所述特征向量。
21、优选的，所述步骤s24包括：
22、步骤s241，分别计算所述特征向量和每个所述故障向量之间的余弦值，将所述余弦值作为所述相似度；
23、步骤s242，按所述相似度从高到低的顺序提取出多个对应的所述同类型历史工单作为所述相似历史工单推荐给运维人员。
24、本专利技术还提供一种相似历史工单推荐系统，应用如上述的相似历史工单推荐方法，包括：
25、初筛模块，用于在接收到新工单时，在历史工单数据库中查找到与所述新工单同类型的同类型历史工单时生成推荐信号；
26、推荐模块，连接所述初筛模块，用于在接收到所述推荐信号时，基于多个运维人员的对所述新工单的反馈描述进行特征提取得到特征向量，对各所述同类型历史工单进行特征提取得到多个对应的故障向量，根据所述特征向量和各所述故障向量从多个所述同类型历史工单中筛选出相似历史工单推荐给运维人员。
27、优选的，所述初筛模块包括：
28、查找单元，用于将所述新工单的故障业务名称和历史工单数据库中保存的每个历史工单的故障业务名称进行比对，在判断存在故障业务名称一致的所述历史工单时将故障业务名称一致的所述历史工单作为所述同类型历史工单，随后生成所述推荐信号。
29、优选的，所述推荐模块包括：
30、工单描述单元，用于将所述新工单派发给多个运维人员，将各所述运维人员反馈的反馈描述整合为与所述新工单关联的工单描述；
31、特征提取单元，连接所述工单描述单元，用于对所述新工单的工单描述和每个所述同类型历史工单包括的故障描述进行特征提取，分别得到所述新工单的第一向量和各所述同类型历史工单的第二向量；
32、向量降维单元，连接所述特征提取单元，用于对所述新工单的第一向量和各所述同类型历史工单的第二向量进行向量降维得到所述新工单的所述特征向量和各所述同类型历史工单的所述故障向量；
33、推荐单元，连接所述向量降维单元，用于分别计算所述特征向量和各所述故障向量之间的相似度，随后提取出相似度最高的所述故障向量对应的所述同类型历史工单中作为所述相似历史工单推荐给运维人员。
34、优选的，所述特征提取单元包括：
35、分词子单元，用于对所述新工单的工单描述和各所述同类型历史工单的故障描述进行分词，分别得到新工单词库和多个历史工单词库；
36、第一向量计算子单元，连接所述分词子单元，用于对于所述新工单词库中的每个词语，分别计算在所述新工单词库中的词频和逆文档频率，将所述词频和所述逆文档频率的乘积作为所述新工单的所述第一向量；
37、第二向量计算子单元，连接所述分词子单元，用于对于所述历史工单词库中的每个词语，分别计算在所述历史工单词库中的词频和逆文档频率，将所述词频和所述逆文档频率的本文档来自技高网...
【技术保护点】
1.一种相似历史工单推荐方法，其特征在于，包括：
2.根据权利要求1所述的相似历史工单推荐方法，其特征在于，所述步骤S1中的查找过程包括将所述新工单的故障业务名称和历史工单数据库中保存的每个历史工单的故障业务名称进行比对，判断是否存在故障业务名称一致的所述历史工单：
3.根据权利要求1所述的相似历史工单推荐方法，其特征在于，所述步骤S2包括：
4.根据权利要求3所述的相似历史工单推荐方法，其特征在于，所述步骤S22包括：
5.根据权利要求3所述的相似历史工单推荐方法，其特征在于，所述步骤S23中对所述新工单的第一向量的向量降维过程包括：
6.根据权利要求3所述的相似历史工单推荐方法，其特征在于，所述步骤S24包括：
7.一种相似历史工单推荐系统，其特征在于，应用如权利要求1-6中任意一项所述的相似历史工单推荐方法，包括：
8.根据权利要求7所述的相似历史工单推荐系统，其特征在于，所述初筛模块包括：
9.根据权利要求7所述的相似历史工单推荐系统，其特征在于，所述推荐模块包括：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。